用于输出数据的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于输出数据的方法和装置。

背景技术

随着计算机技术的发展，目前，出现了很多图像处理类的应用。这些应用可以对拍摄的人脸图像进行变形、调色等处理。例如，一些图像处理应用可以从人的脸部图像中，识别出眼睛图像，并对眼睛图像进行放大。

技术实现要素：

本申请实施例提出了用于输出数据的方法和装置。

第一方面，本申请实施例提供了一种用于输出数据的方法，该方法包括：获取人脸关键点数据集合，其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置；基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据；将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值，其中，人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。

在一些实施例中，获取人脸关键点数据集合，包括：获取目标人脸图像；将目标人脸图像输入预先训练的人脸关键点提取模型，得到人脸关键点数据集合，其中，人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。

在一些实施例中，基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据，包括：从人脸关键点数据集合中提取表征人眼区域的人脸关键点数据作为人眼关键点数据，以及基于人眼关键点数据，确定至少两个距离值，其中，距离值用于表征两个人眼关键点数据分别指示的人眼关键点的距离；基于至少两个距离值，确定至少一个距离比值作为人眼特征数据。

在一些实施例中，在输出程度值之后，该方法还包括：基于程度值，确定用于将目标人脸图像中的人眼图像进行放大的放大系数，以及输出放大系数。

在一些实施例中，人眼大小识别模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括用于表征训练样本指示的人眼的外形特征的样本人眼特征数据，以及对样本人眼特征数据进行标注的、表征训练样本指示的人眼的大小程度的标注程度值，样本人眼特征数据是预先基于训练样本对应的人脸关键点数据集合所确定的；利用机器学习方法，将所确定的样本人眼特征数据作为输入，将与输入的样本人眼特征数据对应的标注程度值作为期望输出，训练得到人眼大小识别模型。

在一些实施例中，训练样本包括的标注程度值表征样本人眼特征数据指示的人眼的大小为大或中等或小。

第二方面，本申请实施例提供了一种用于输出数据的装置，该装置包括：获取单元，被配置成获取人脸关键点数据集合，其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置；第一确定单元，被配置成基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据；识别单元，被配置成将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值，其中，人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。

在一些实施例中，获取单元包括：获取模块，被配置成获取目标人脸图像；提取模块，被配置成将目标人脸图像输入预先训练的人脸关键点提取模型，得到人脸关键点数据集合，其中，人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。

在一些实施例中，第一确定单元包括：第一确定模块，被配置成从人脸关键点数据集合中提取表征人眼区域的人脸关键点数据作为人眼关键点数据，以及基于人眼关键点数据，确定至少两个距离值，其中，距离值用于表征两个人眼关键点数据分别指示的人眼关键点的距离；第二确定模块，被配置成基于至少两个距离值，确定至少一个距离比值作为人眼特征数据。

在一些实施例中，该装置还包括：第二确定单元，被配置成基于程度值，确定用于将目标人脸图像中的人眼图像进行放大的放大系数，以及输出放大系数。

在一些实施例中，人眼大小识别模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括用于表征训练样本指示的人眼的外形特征的样本人眼特征数据，以及对样本人眼特征数据进行标注的、表征训练样本指示的人眼的大小程度的标注程度值，样本人眼特征数据是预先基于训练样本对应的人脸关键点数据集合所确定的；利用机器学习方法，将所确定的样本人眼特征数据作为输入，将与输入的样本人眼特征数据对应的标注程度值作为期望输出，训练得到人眼大小识别模型。

在一些实施例中，训练样本包括的标注程度值表征样本人眼特征数据指示的人眼的大小为大或中等或小。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于输出数据的方法和装置，通过获取人脸关键点数据集合，然后根据人脸关键点数据集合，确定人眼特征数据，在将人眼特征数据输入人眼大小识别模型，得到表征人眼大小程度的程度值，从而有效地利用了人脸关键点数据来确定人眼的大小程度，提高了对人眼的大小进行识别的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请实施例的用于输出数据的方法的一个实施例的流程图；

图3a是根据本申请实施例的用于输出数据的方法的从人脸关键点集合中提取的人眼关键点的示例性示意图；

图3b是根据本申请实施例的用于输出数据的方法的至少两个距离值的示例性示意图；

图4是根据本申请实施例的用于输出数据的方法的一个应用场景的示意图；

图5是根据本申请实施例的用于输出数据的方法的又一个实施例的流程图；

图6是根据本申请实施例的用于输出数据的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于输出数据的方法或用于输出数据的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如视频播放类应用、图像处理类应用、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有数据处理功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的图像提供支持的后台图像处理服务器。后台图像处理服务器可以对接收到的图像等数据进行处理，并将处理结果(例如表征人眼大小程度的程度值)输出。

需要说明的是，本申请实施例所提供的用于输出数据的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于输出数据的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在人脸关键点数据集合不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。

继续参考图2，示出了根据本申请的用于输出数据的方法的一个实施例的流程200。该用于输出数据的方法，包括以下步骤：

步骤201，获取人脸关键点数据集合。

在本实施例中，用于输出数据的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或从远程获取人脸关键点数据集合。其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置。例如，人脸关键点数据可以包括坐标值，根据坐标值可以在目标人脸图像中确定人脸关键点的位置。人脸关键点可以为具有明显语义区分度的点，可以用于表征人脸的组成部位在人脸图像中的位置，例如人脸关键点可以为用于表征鼻子的点、用于表征眼睛的点等。上述目标人脸图像可以是预先获取的、对其进行人脸关键点识别的人脸图像。例如，目标人脸图像可以是由预设的摄像头对目标人脸(例如使用如图1所示的终端设备的用户的人脸或其他人物的人脸)进行拍摄得到的图像。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤获取人脸关键点数据集合：

首先，获取目标人脸图像。具体地，上述执行主体可以从本地或从远程获取目标人脸图像，目标人脸图像可以是待对其进行人脸关键点识别的图像。作为示例，上述执行主体可以与摄像头通信连接，摄像头可以对目标人脸(例如使用如图1所示的终端设备的用户的人脸或其他人物的人脸)进行拍摄，得到目标人脸图像。

需要说明的是，目标人脸图像可以是单幅图像；也可以是从目标视频中提取的图像帧。例如，目标人脸图像可以是在上述执行主体上播放的视频包括的、当前显示的图像帧。

然后，将目标人脸图像输入预先训练的人脸关键点提取模型，得到人脸关键点数据集合。其中，人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。具体地，人脸关键点提取模型可以为基于训练样本，利用机器学习方法，对初始模型(例如卷积神经网络(convolutionalneuralnetwork，cnn)、主动形状模型(activeshapemodel，asm)等)进行训练后得到的模型。需要说明的是，训练得到人脸关键点提取模型的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤202，基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据。

在本实施例中，上述执行主体可以基于步骤201中获取的人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据。具体地，上述执行主体可以从人脸关键点数据集合中，提取部分人脸关键点数据，再基于所提取出的人脸关键点数据确定人眼特征数据。人眼特征数据可以用于表征人眼的外形特征(例如单个人眼的长度、两个眼球之间的距离等)。作为示例，人脸关键点数据集合中的每个人脸关键点数据可以具有对应的编号，上述执行主体可以按照技术人员指定的编号，从人脸关键点数据集合中提取表征表眼区域的人脸关键点数据作为人眼关键点数据。上述执行主体可以将提取的人眼关键点数据确定为人眼特征数据；或者，上述执行主体可以按照技术人员的指定，根据提取的人眼关键点数据，计算出至少两个距离值作为人眼特征数据，其中的每个距离值表征两个人眼关键点数据指示的人眼关键点之间的距离。作为示例，如图3a所示，301-310是从人脸关键点数据集合中提取的人眼关键点数据表征的人眼关键点。如图3b所示，l1是人眼关键点301与人眼关键点302之间的距离，l2是303与306之间的距离，l3是304与305之间的距离，l4是307与310之间的距离，l5是308与309之间的距离，距离l1、l2、l3、l4、l5可以作为人眼特征数据。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤确定人眼特征数据：

首先，从人脸关键点数据集合中提取表征人眼区域的人脸关键点数据作为人眼关键点数据，以及基于人眼关键点数据，确定至少两个距离值，其中，距离值用于表征两个人眼关键点数据分别指示的人眼关键点的距离。。具体地，上述执行主体可以根据技术人员指定的人眼关键点，确定出至少两个距离值。作为示例，再次参考图3a和图3b，上述执行主体可以计算出五个距离值，分别为l1、l2、l3、l4、l5。需要说明的是，提取的人眼关键点数据表征的人眼区域可以不仅仅包括人眼图像，还可以包括眉毛图像、额头图像等其他图像，位于人眼区域内的人脸关键点可以确定为人眼关键点。还需要说明的是，图3a和图3b所示的人眼关键点301-310和距离值l1-l5仅仅是示例性的，实践中，提取出的人眼关键点可以不限于图3a所示的301-310，相应地，距离值可以不限于图3b所示的l1-l5。

然后，基于至少两个距离值，确定至少一个距离比值作为人眼特征数据。具体地，上述执行主体可以按照技术人员的指定，对上述至少两个距离值包括的距离值进行计算，得到至少一个距离比值。作为示例，继续参考图3b，基于l1-l5，可以计算出多个距离比值，分别为：l3/l2、l4/l5、l2/l1、l3/l1、l4/l1、l5/l1。需要说明的是上述示例列举的距离比值仅仅是示例性的，实践中，所确定出的距离比值可以不限于上述列举的距离比值。通常，所得到的各个距离比值可以以向量的形式作为人眼特征数据，例如，人眼特征数据可以是向量(l3/l2，l4/l5，l2/l1，l3/l1，l4/l1，l5/l1)。

步骤203，将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值。

在本实施例中，上述执行主体可以将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，然后将所得到的程度值输出。其中，程度值可以表征人眼的大小程度。作为示例，程度值可以是大于等于零且小于等于2的数值，程度值越大，表征人眼越大，程度值越小，表征人眼越小。人眼大小识别模型可以用于表征人眼特征数据与程度值的对应关系。通常，人眼大小识别模型输出的程度值可以是表征人眼特征数据指示的人眼是大眼的概率，例如程度值为0.8，表征人眼是大眼的概率是0.8；或者，程度值可以是基于概率值进行计算得到的数值，例如将表征人眼是大眼的概率乘以2得到程度值，即如果概率是0.5，程度值为1。

作为示例，人眼大小识别模型可以是技术人员基于对大量的人眼特征数据和程度值进行的统计而预先制定的、存储有多个人眼特征数据与程度值的对应关系的对应关系表；也可以是基于现有的用于分类的模型(例如逻辑回归(logisticregression)模型、支持向量机(supportvectormachine，svm)等)进行有监督地训练而得到的模型。

在本实施例的一些可选的实现方式中，上述执行主体或其他电子设备可以按照如下步骤训练得到人眼大小识别模型：

首先，获取训练样本集合。其中，训练样本可以包括用于表征训练样本指示的人眼的外形特征的样本人眼特征数据，以及对样本人眼特征数据进行标注的、表征训练样本指示的人眼的大小程度的标注程度值。样本人眼特征数据可以是预先基于训练样本对应的人脸关键点数据集合所确定的。通常，训练样本对应的人脸关键点数据集合可以是从预设的样本人脸图像中提取的人脸关键点数据集合，基于所提取的人脸关键点数据集合，训练得到人眼大小识别模型的执行主体或其他电子设备可以得到样本人眼特征数据。需要说明的是，基于人脸关键点数据集合得到样本人眼特征数据的方法可以与步骤202描述的方法相同，在此不再赘述。

然后，利用机器学习方法，将所确定的样本人眼特征数据作为输入，将与输入的样本人眼特征数据对应的标注程度值作为期望输出，训练得到人眼大小识别模型。作为示例，标注程度值可以为技术人员设置的、表征样本人眼特征数据指示的人眼的大小程度的数值。例如，标注程度值可以是0或1，其中，0表征样本人眼特征数据指示的人眼较小，1表征样本人眼特征数据指示的人眼较大。

在本实施例的一些可选的实现方式中，训练样本包括的标注程度值表征样本人眼特征数据指示的人眼的大小为大或中等或小。作为示例，标注程度值可以为0或1或2，其中，0表征样本人眼特征数据指示的人眼较小，1表征样本人眼特征数据指示的人眼为中等大小，2表征样本人眼特征数据指示的人眼较大。训练得到的人眼大小识别模型可以输出大于等于零且小于等于二的程度值。通常，人眼大小识别模型可以得到三个概率值，分别表征输入的人眼特征数据指示的人眼的大小是大、中等、小的概率，人眼识别模型可以基于三个概率值，计算出程度值。例如，得到的三个概率值分别为p0、p1、p2，分别对应于标注程度值0、1、2，则输出的程度值可以为p0×0+p1×1+p2×2。

继续参见图4，图4是根据本实施例的用于输出数据的方法的应用场景的一个示意图。在图4的应用场景中，终端设备401首先获取人脸关键点数据集合402。人脸关键点数据是终端设备401预先从目标人脸图像403中提取的、表征人脸关键点的位置的数据，目标人脸图像403是终端设备401对使用终端设备401的用户的人脸进行拍摄得到的图像。然后，终端设备401基于人脸关键点数据集合402，确定用于表征人眼的外形特征的人眼特征数据404(例如从人脸关键点数据集合402中提取出表征人眼的位置的人眼关键点数据，再计算出人眼关键点数据指示的人眼关键点的位置之间的距离，再计算出各个距离之间的比值，得到人眼特征数据)。最后，终端设备将人眼特征数据404输入预先训练的人眼大小识别模型405，得到表征人眼大小程度的程度值406(例如“1.5”)及输出。

本申请的上述实施例提供的方法，通过获取人脸关键点数据集合，然后根据人脸关键点数据集合，确定人眼特征数据，在将人眼特征数据输入人眼大小识别模型，得到表征人眼大小程度的程度值，从而有效地利用了人脸关键点数据来确定人眼的大小程度，提高了对人眼的大小进行识别的准确性。

进一步参考图5，其示出了用于输出数据的方法的又一个实施例的流程500。该用于输出数据的方法的流程500，包括以下步骤：

步骤501，获取人脸关键点数据集合。

在本实施例中，步骤501与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤502，基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据。

在本实施例中，步骤502与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤503，将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值。

在本实施例中，步骤503与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤504，基于程度值，确定用于将目标人脸图像中的人眼图像进行放大的放大系数，以及输出放大系数。

在本实施例中，基于步骤503输出的程度值，用于输出数据的方法的执行主体(例如图1所示的服务器或终端设备)可以确定用于将目标人脸图像中的人眼图像进行放大的放大系数，以及将所确定的放大系数输出。具体地，上述执行主体可以从预设的、表征程度值和放大系数的对应关系的对应关系表中，查找输出的程度值对应的放大系数；或者，上述执行主体可以按照预设的计算公式，对输出的程度值进行计算，得到放大系数。通常，程度值越大，放大系数越小。作为示例，假设程度值的取值范围为[0,2]，相应地，放大系数的取值范围可以为[1.5,0.5]。即当程度值为0时，放大系数为1.5；当程度值为1时，放大系数为1；当程度值为2时，放大系数为0.5。上述执行主体可以以各种方式将放大系数输出。例如，上述执行主体可以将放大系数在与上述执行主体连接的显示设备显示，或者，上述执行主体可以将放大系数发送至与其通信连接的其他电子设备。

可选地，上述执行主体或其他电子设备可以基于输出的放大系数，按照现有的对人眼图像进行放大的算法，对目标人脸图像中的人眼图像进行放大。继续上述示例，当程度值为1时，表征人眼的大小为中等，对应的放大系数为1，上述执行主体可以按照预设的正常放大比例对目标人脸图像中的人眼图像进行放大；当程度值为0时，表征人眼的大小为小，对应的放大系数为1.5，上述执行主体可以按照预设的正常放大比例的1.5倍对人眼图像进行放大；当程度值为2时，表征人眼的大小为大，对应的放大系数为0.5，上述执行主体或其他电子设备可以按照预设的正常放大比例的0.5倍对人眼图像进行放大。从而可以实现根据不同的人眼大小，对人眼图像按照不同的放大比例进行放大。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于输出数据的方法的流程500突出了基于输出的程度值确定用于将目标人脸图像中的人眼图像进行放大的放大系数的步骤，从而可以实现根据不同的人眼大小得到不同的人眼放大系数，有助于实现按照不同的人眼大小对人眼图像进行不同比例地放大。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于输出数据的装置的一个实施例，该装置实施例与图6所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于输出数据的装置600包括：获取单元601，被配置成获取人脸关键点数据集合，其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置；第一确定单元602，被配置成基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据；识别单元603，被配置成将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值，其中，人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。

在本实施例中，获取单元601可以通过有线连接方式或者无线连接方式从本地或从远程获取人脸关键点数据集合。其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置。例如，人脸关键点数据可以包括坐标值，根据坐标值可以在目标人脸图像中确定人脸关键点的位置。人脸关键点可以为具有明显语义区分度的点，可以用于表征人脸的组成部位在人脸图像中的位置，例如人脸关键点可以为用于表征鼻子的点、用于表征眼睛的点等。上述目标人脸图像可以是预先获取的、对其进行人脸关键点识别的人脸图像。例如，目标人脸图像可以是由预设的摄像头对目标人脸(例如使用如图1所示的终端设备的用户的人脸或其他人物的人脸)进行拍摄得到的图像。

在本实施例中，第一确定单元602可以基于获取单元601获取的人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据。具体地，上述第一确定单元602可以从人脸关键点数据集合中，提取表征人眼位置的人脸关键点数据作为人眼关键点数据。作为示例，人脸关键点数据集合中的每个人脸关键点数据可以具有对应的编号，第一确定单元602可以按照技术人员指定的编号，从人脸关键点数据集合中提取人脸关键点数据作为人眼关键点数据。人眼特征数据可以用于表征人眼的外形特征(例如单个人眼的长度、两个眼球之间的距离等)。第一确定单元602可以按照各种方式确定人眼特征数据。例如，第一确定单元602可以将提取的人眼关键点数据确定为人眼特征数据；或者，第一确定单元602可以按照技术人员的指定，根据提取的人眼关键点数据，计算出至少两个距离值作为人眼特征数据，其中的每个距离值表征两个人眼关键点数据指示的人眼关键点之间的距离。

在本实施例中，识别单元603可以将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，然后将所得到的程度值输出。其中，程度值可以表征人眼的大小程度。作为示例，程度值可以是大于等于零且小于等于2的数值，程度值越大，表征人眼越大，程度值越小，表征人眼越小。人眼大小识别模型可以用于表征人眼特征数据与程度值的对应关系。通常，人眼大小识别模型输出的程度值可以是表征人眼特征数据指示的人眼是大眼的概率，例如程度值为0.8，表征人眼是大眼的概率是0.8；或者，程度值可以是基于概率值进行计算得到的数值，例如将表征人眼是大眼的概率乘以2得到程度值，即如果概率是0.5，程度值为1。

作为示例，人眼大小识别模型可以是技术人员基于对大量的人眼特征数据和程度值进行的统计而预先制定的、存储有多个人眼特征数据与程度值的对应关系的对应关系表；也可以是基于现有的用于分类的模型(例如逻辑回归(logisticregression)模型、支持向量机(supportvectormachine，svm)等)进行有监督地训练而得到的模型。

在本实施例的一些可选的实现方式中，获取单元可以包括：获取模块(图中未示出)，被配置成获取目标人脸图像；提取模块(图中未示出)，被配置成将目标人脸图像输入预先训练的人脸关键点提取模型，得到人脸关键点数据集合，其中，人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。

在本实施例的一些可选的实现方式中，第一确定单元可以包括：第一确定模块(图中未示出)，被配置成从人脸关键点数据集合中提取表征人眼区域的人脸关键点数据作为人眼关键点数据，以及基于人眼关键点数据，确定至少两个距离值，其中，距离值用于表征两个人眼关键点数据分别指示的人眼关键点的距离；第二确定模块(图中未示出)，被配置成基于至少两个距离值，确定至少一个距离比值作为人眼特征数据。

在本实施例的一些可选的实现方式中，装置600还可以包括：第二确定单元(图中未示出)，被配置成基于程度值，确定用于将目标人脸图像中的人眼图像进行放大的放大系数，以及输出放大系数。

在本实施例的一些可选的实现方式中，人眼大小识别模型可以通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括用于表征训练样本指示的人眼的外形特征的样本人眼特征数据，以及对样本人眼特征数据进行标注的、表征训练样本指示的人眼的大小程度的标注程度值，样本人眼特征数据是预先基于训练样本对应的人脸关键点数据集合所确定的；利用机器学习方法，将所确定的样本人眼特征数据作为输入，将与输入的样本人眼特征数据对应的标注程度值作为期望输出，训练得到人眼大小识别模型。

在本实施例的一些可选的实现方式中，训练样本包括的标注程度值可以表征样本人眼特征数据指示的人眼的大小为大或中等或小。

本申请的上述实施例提供的装置，通过获取人脸关键点数据集合，然后根据人脸关键点数据集合，确定人眼特征数据，在将人眼特征数据输入人眼大小识别模型，得到表征人眼大小程度的程度值，从而有效地利用了人脸关键点数据来确定人眼的大小程度，提高了对人眼的大小进行识别的准确性。

下面参考图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元和识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取人脸关键点数据集合的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取人脸关键点数据集合，其中，人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置；基于人脸关键点数据集合，确定用于表征人眼的外形特征的人眼特征数据；将人眼特征数据输入预先训练的人眼大小识别模型，得到表征人眼大小程度的程度值，以及输出程度值，其中，人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。